Sistema de Avaliação de Fisioterapia Baseado em IA para Amplitude de Movimento em Pacientes com Cancro Oral
Validade e Fiabilidade de um Sistema de Avaliação de Fisioterapia Baseado em IA para a Amplitude de Movimento Oromandibular e Cervicoescapular em Doentes com Cancro Oral
Este estudo tem como objetivo avaliar a validade e fiabilidade de um novo sistema de avaliação de fisioterapia baseado em IA para medir a amplitude de movimento (ADM) oromandibular e cervical-ombro. As avaliações tradicionais de ADM baseiam-se em medições manuais, que podem ser influenciadas pela experiência e variabilidade do avaliador. O sistema de IA proposto utiliza o rastreamento automático de pontos-chave para fornecer medições objetivas e padronizadas.
Neste estudo transversal, participantes adultos saudáveis realizarão tarefas padronizadas de ADM. As medições obtidas pelo sistema de IA serão comparadas com as de dois avaliadores independentes utilizando ferramentas clínicas convencionais. Serão realizadas medições repetidas para avaliar a fiabilidade intra-avaliador e inter-avaliadores. A concordância entre o sistema de IA e os avaliadores humanos será avaliada para determinar a aplicabilidade clínica do sistema.
Visão geral do estudo
Status
Condições
Descrição detalhada
Este estudo é um estudo de medição transversal concebido para avaliar a fiabilidade e a validade concorrente de um sistema de avaliação de fisioterapia baseado em IA para aferir a amplitude de movimento (ADM) oromandibular e cervicoscapular. Os participantes serão adultos saudáveis com idades entre os 20 e os 70 anos que cumpram critérios de inclusão e exclusão predefinidos. Após prestarem o consentimento informado, os participantes realizarão movimentos padronizados, incluindo abertura da boca e tarefas de ADM cervical e do ombro.
Cada participante será submetido a três medições repetidas para cada movimento. A ADM será avaliada através de três métodos: (1) um sistema baseado em IA que utiliza o rastreamento de pontos-chave em tempo real e cálculo automático de ângulos, (2) medição manual pelo Avaliador 1, e (3) medição manual independente pelo Avaliador 2 utilizando um goniómetro ou escala de ADM TheraBite.
Para minimizar o viés de medição e os efeitos de fadiga, a ordem dos três métodos de avaliação será aleatorizada para cada participante. Os avaliadores estarão cegos para as medições uns dos outros e para os resultados gerados pela IA.
Os resultados primários incluem a fiabilidade inter-avaliador e intra-avaliador do sistema de IA, bem como a concordância entre as medições baseadas em IA e manuais. A fiabilidade será avaliada através de coeficientes de correlação intraclasse (ICC), enquanto a concordância será avaliada através da análise de Bland-Altman e do erro absoluto médio (MAE).
Este estudo deverá fornecer evidências que suportem a aplicabilidade clínica de ferramentas de avaliação de fisioterapia baseadas em IA, particularmente para avaliações musculoesqueléticas padronizadas e escaláveis.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Yueh-Hsia Chen, Ph.D.
- Número de telefone: +886-2-33668133
- E-mail: yuehhsiachen@ntu.edu.tw
Locais de estudo
-
-
-
Taipei, Taiwan, 100
- Recrutamento
- School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University
-
Contato:
- Yueh-Hsia Chen, Ph.D
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de Inclusão:
- Adultos saudáveis com idades entre 20 e 70 anos
- Sem trismo
- Sem historial de lesão ou cirurgia na cabeça, pescoço ou ombro
- Sem historial de radioterapia ou quimioterapia relacionada com cancro da cabeça e pescoço
Critérios de Exclusão:
- Incapacidade de comunicar ou seguir instruções
- Qualquer condição que possa afetar o desempenho do movimento
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
|---|
|
Grupo saudável
Foram recrutados adultos saudáveis com idades entre os 20 e os 70 anos, sem historial de trismo, lesão ou cirurgia na cabeça, pescoço ou ombro, ou radioterapia ou quimiorradioterapia relacionada com cancro de cabeça e pescoço.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Acordo Entre Medições de IA e Manuais
Prazo: Baseline
|
Concordância entre medições baseadas em IA e manuais avaliada através de coeficientes de correlação intraclasse (ICC) e análise de Bland-Altman
|
Baseline
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Erro Absoluto Médio (MAE)
Prazo: Linha de base
|
Diferença absoluta média entre as medições da IA e as medições manuais
|
Linha de base
|
|
Fiabilidade intra-avaliador de avaliadores humanos
Prazo: Baselinte
|
Consistência das medições manuais do Avaliador 1 e do Avaliador 2 em ensaios repetidos usando coeficientes de correlação intraclasse (ICC)
|
Baselinte
|
|
Fiabilidade inter-avaliadores entre todos os avaliadores
Prazo: Linha de Base
|
A concordância entre as medições obtidas do sistema de IA, Avaliador 1 e Avaliador 2 será avaliada utilizando coeficientes de correlação intraclasse (CCI)
|
Linha de Base
|
|
Fiabilidade intra-avaliador do sistema de IA
Prazo: Linha de Base
|
Consistência das medições baseadas em IA ao longo de três ensaios repetidos usando coeficientes de correlação intraclasse (ICC)
|
Linha de Base
|
|
Viés sistemático de medição
Prazo: Baseline
|
Diferença média entre medições baseadas em IA e manuais
|
Baseline
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Yueh-Hsia Chen, Ph.D., School and Graduate Institute of Physical Therapy, College of Medicine, National Taiwan University
Publicações e links úteis
Publicações Gerais
- Agarwal P, Shiva Kumar HR, Rai KK. Trismus in oral cancer patients undergoing surgery and radiotherapy. J Oral Biol Craniofac Res. 2016 Nov;6(Suppl 1):S9-S13. doi: 10.1016/j.jobcr.2016.10.004. Epub 2016 Oct 22.
- Deb S, Islam MF, Rahman S, Rahman S. Graph Convolutional Networks for Assessment of Physical Rehabilitation Exercises. IEEE Trans Neural Syst Rehabil Eng. 2022;30:410-419. doi: 10.1109/TNSRE.2022.3150392. Epub 2022 Feb 23.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Real)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 202603023RIND
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Descrição do plano IPD
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .